Centre dedocumentation
scientifique

Mask R-CNN-based building extraction from VHR satellite data in operational humanitarian action: An example related to Covid-19 response in Khartoum, Sudan / Dirk Tiede in Transactions in GIS, Vol 25 n° 3 (June 2021)  

Public [article]  inTransactions in GIS > Vol 25 n° 3 (June 2021) . - pp 1213-1227 Titre : Mask R-CNN-based building extraction from VHR satellite data in operational humanitarian action: An example related to Covid-19 response in Khartoum, Sudan Type de document : Article/Communication Auteurs : Dirk Tiede, Auteur ; Gina Schwendemann, Auteur ; Ahmad Alobaidi, Auteur ; et al., Auteur Année de publication : 2021 Article en page(s) : pp 1213-1227 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Traitement d'image optique [Termes IGN] analyse d'image orientée objet [Termes IGN] apprentissage profond [Termes IGN] classification par réseau neuronal convolutif [Termes IGN] détection du bâti [Termes IGN] échantillonnage [Termes IGN] épidémie [Termes IGN] gestion de crise [Termes IGN] HRV (capteur) [Termes IGN] image à très haute résolution [Termes IGN] image Pléiades-HR [Termes IGN] itération [Termes IGN] Soudan Résumé : Auteur) Within the constraints of operational work supporting humanitarian organizations in their response to the Covid-19 pandemic, we conducted building extraction for Khartoum, Sudan. We extracted approximately 1.2 million dwellings and buildings, using a Mask R-CNN deep learning approach from a Pléiades very high-resolution satellite image with 0.5 m pixel resolution. Starting from an untrained network, we digitized a few hundred samples and iteratively increased the number of samples by validating initial classification results and adding them to the sample collection. We were able to strike a balance between the need for timely information and the accuracy of the result by combining the output from three different models, each aiming at distinctive types of buildings, in a post-processing workflow. We obtained a recall of 0.78, precision of 0.77 and F1 score of 0.78, and were able to deliver first results in only 10 days after the initial request. The procedure shows the great potential of convolutional neural network frameworks in combination with GIS routines for dwelling extraction even in an operational setting. Numéro de notice : A2021-464 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12766 date de publication en ligne : 06/05/2021 En ligne : https://doi.org/10.1111/tgis.12766 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=98060 [article]

NEAT approach for testing and validation of geospatial network agent-based model processes: case study of influenza spread / Taylor Anderson in International journal of geographical information science IJGIS, vol 34 n° 9 (September 2020)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 34 n° 9 (September 2020) . - pp 1792 - 1821 Titre : NEAT approach for testing and validation of geospatial network agent-based model processes: case study of influenza spread Type de document : Article/Communication Auteurs : Taylor Anderson, Auteur ; Suzana Dragićević, Auteur Année de publication : 2020 Article en page(s) : pp 1792 - 1821 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] agent (intelligence artificielle) [Termes IGN] épidémie [Termes IGN] interaction spatiale [Termes IGN] modèle orienté agent [Termes IGN] outil d'aide à la décision [Termes IGN] réseau intelligent [Termes IGN] théorie des graphes [Termes IGN] Vancouver (Colombie britannique) Résumé : (auteur) Agent-based models (ABM) are used to represent a variety of complex systems by simulating the local interactions between system components from which observable spatial patterns at the system-level emerge. Thus, the degree to which these interactions are represented correctly must be evaluated. Networks can be used to discretely represent and quantify interactions between system components and the emergent system structure. Therefore, the main objective of this study is to develop and implement a novel validation approach called the NEtworks for ABM Testing (NEAT) that integrates geographic information science, ABM approaches, and spatial network representations to simulate complex systems as measurable and dynamic spatial networks. The simulated spatial network structures are measured using graph theory and compared with empirical regularities of observed real networks. The approach is implemented to validate a theoretical ABM representing the spread of influenza in the City of Vancouver, Canada. Results demonstrate that the NEAT approach can validate whether the internal model processes are represented realistically, thus better enabling the use of ABMs in decision-making processes. Numéro de notice : A2020-478 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2020.1741000 date de publication en ligne : 06/04/2020 En ligne : https://doi.org/10.1080/13658816.2020.1741000 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95625 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2020091	SL	Revue	Centre de documentation	Revues en salle	Disponible

Integration of spatialization and individualization: the future of epidemic modelling for communicable diseases / Meifang Li in Annals of GIS, vol 26 n° 3 (July 2020)  

Public [article]  inAnnals of GIS > vol 26 n° 3 (July 2020) . - pp 219 - 226 Titre : Integration of spatialization and individualization: the future of epidemic modelling for communicable diseases Type de document : Article/Communication Auteurs : Meifang Li, Auteur ; Xun Shi, Auteur ; Xia Li, Auteur Année de publication : 2020 Article en page(s) : pp 219 - 226 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse spatio-temporelle [Termes IGN] épidémie [Termes IGN] historique des données [Termes IGN] modèle orienté objet [Termes IGN] modélisation spatio-temporelle [Termes IGN] risque sanitaire [Termes IGN] système d'information géographique [Termes IGN] transmissibilité Résumé : (auteur) In the past several decades, epidemic modelling for communicable diseases has experienced transitions from treating the entire study area as a whole to addressing spatial variation within the area, and from targeting the entire population to incorporating characteristics of categorized subpopulations and finally going down to the individual level. These transitions have been first driven by the recognition that generalizations of space and population in conventional epidemic modelling may have hampered the effectiveness of the modelling; they then have been supported by increasingly available data that allow depiction of detailed spatiotemporal characteristics of an epidemic, as well as those characteristics of the environment in both human and natural aspects; and finally they have been facilitated by developments in geographic information science, data science, computer science, and computing technologies. Based on a review of a variety of recently developed communicable disease models, we explicitly put forward the notions of spatialization and individualization in this area, and point out that the integration of the two is the future of communicable disease modelling. We also point out that in this area models based on the object conceptualization are good at modelling spatiotemporal process, whereas models based on the field conceptualization are good at representing spatialized information. We propose a procedural framework of epidemic modelling that implements the integration of individualization and spatialization, integration of object-based process and field-based representation, and integration of modelling that retrospectively traces infection relationships based on historical patient data and modelling that prospectively predicts such relationships of future epidemics. Numéro de notice : A2020-581 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/19475683.2020.1768438 date de publication en ligne : 25/05/2020 En ligne : https://doi.org/10.1080/19475683.2020.1768438 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95903 [article]

Online flu epidemiological deep modeling on disease contact network / Liang Zhao in Geoinformatica [en ligne], vol 24 n° 2 (April 2020)  

Public [article]  inGeoinformatica [en ligne] > vol 24 n° 2 (April 2020) . - pp 443 – 475 Titre : Online flu epidemiological deep modeling on disease contact network Type de document : Article/Communication Auteurs : Liang Zhao, Auteur ; Jiangzhuo Chen, Auteur ; Feng Chen, Auteur ; et al., Auteur Année de publication : 2020 Article en page(s) : pp 443 – 475 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] classification par réseau neuronal [Termes IGN] classification semi-dirigée [Termes IGN] données localisées des bénévoles [Termes IGN] épidémie [Termes IGN] itération [Termes IGN] maladie infectieuse [Termes IGN] maladie virale [Termes IGN] modélisation [Termes IGN] optimisation (mathématiques) [Termes IGN] réseau social [Termes IGN] surveillance sanitaire Résumé : (auteur) The surveillance and preventions of infectious disease epidemics such as influenza and Ebola are important and challenging issues. It is therefore crucial to characterize the disease progress and epidemics process efficiently and accurately. Computational epidemiology can model the progression of the disease and its underlying contact network, but as yet lacks the ability to process of real-time and fine-grained surveillance data. Social media, on the other hand, provides timely and detailed disease surveillance but is insensible to the underlying contact network and disease model. To address these challenges simultaneously, this paper proposes a novel semi-supervised neural network framework that integrates the strengths of computational epidemiology and social media mining techniques for influenza epidemiological modeling. Specifically, this framework learns social media users’ health states and intervention actions in real time, regularized by the underlying disease model and contact network. The learned knowledge from social media can then be fed into the computational epidemic model to improve the efficiency and accuracy of disease diffusion modeling. We propose an online optimization algorithm that iteratively processes the above interactive learning process. he extensive experimental results provided demonstrated that our approach can not only outperform competing methods by a substantial margin in forecasting disease outbreaks, but also characterize the individual-level disease progress and diffusion effectively and efficiently. Numéro de notice : A2020-359 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10707-019-00376-9 date de publication en ligne : 25/07/2019 En ligne : https://doi.org/10.1007/s10707-019-00376-9 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95264 [article]

Epidémiologie et géographie / Marc Souris (2019)

Public Titre : Epidémiologie et géographie : principes, méthodes et outils de l'analyse spatiale Type de document : Guide/Manuel Auteurs : Marc Souris, Auteur ; Florent Demoraes, Préfacier, etc. Editeur : Londres : ISTE Editions Année de publication : 2019 Collection : Systèmes d'information, web et société Importance : 276 p. Format : 16 x 24 cm ISBN/ISSN/EAN : 978-1-78405-573-8 Note générale : Glossaire et bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse spatio-temporelle [Termes IGN] données spatiotemporelles [Termes IGN] épidémie [Termes IGN] modélisation spatio-temporelle [Termes IGN] représentation cartographique [Termes IGN] risque sanitaire Index. décimale : 37.20 Analyse spatiale et ses outils Résumé : (Editeur) Les phénomènes de santé impliquent très souvent des relations spatiales et temporelles entre les individus et des facteurs de risque liés à la géographie et à l’environnement. L’utilisation de la localisation dans l’analyse et la compréhension des phénomènes de santé est donc essentielle. Épidémiologie et géographie propose une vue d’ensemble des objectifs, des principes, des méthodes et des outils de l’analyse spatiale et des systèmes d’information géographique appliqués au domaine de la santé. Il constitue une introduction pratique à l’analyse spatio-temporelle pour l’épidémiologie et la géographie de la santé, avec une approche pédagogique illustrée par des exemples concrets. Cet ouvrage présente un aperçu simple et complet de l’utilisation de l’analyse spatiale pour les étudiants en épidémiologie, les professionnels de santé publique, les épidémiologistes, les géographes de la santé et les spécialistes en études de santé-environnement. Note de contenu : 1. Contexte méthodologique 2. Analyse spatiale d’un phénomène de santé : principes généraux 3. Données spatialisées en santé 4. Représentations cartographiques et outils de synthèse 5. Analyse de la distribution spatiale 6. Analyse spatiale du risque 7. Analyses et modélisations spatio-temporelles Numéro de notice : 26027 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Monographie Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92782

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
26027-01	37.20	Livre	Centre de documentation	Géomatique	Disponible

Spatial discontinuities, health and mobility - What do the Google's POIs and tweets tell us about Bangkok's (Thailand) structures and spatial dynamics? / Alexandre Cebeillac in Revue internationale de géomatique, vol 28 n° 4 (octobre - décembre 2018)  

Permalink

Adapting an existing semi-automatized image processing chain to enable Sentinel-2 data classification. / Hiyam Elbadri (2018) 

Permalink

Movement analysis of free-grazing domestic ducks in Poyang Lake, China: a disease connection / Dian J. Prosser in International journal of geographical information science IJGIS, vol 30 n° 5-6 (May - June 2016)  

Permalink

CNES strategy: satellite data and modelling for public health: towards a cooperation with NASA / Murielle Lafaye in Geocarto international, vol 29 n° 5 - 6 (August - October 2014)  

Permalink

Cartes en mains contre Lili la tigresse / Françoise de Blomac in DécryptaGéo le mag, n° 152 (01/12/2013)

Permalink

Spatial modeling of the black death in Sweden / Lars Skog in Transactions in GIS, vol 17 n° 4 (August 2013)  

Permalink

Spatial approaches to modeling dispersion of communicable diseases : A review / L. Bian in Transactions in GIS, vol 17 n° 1 (February 2013)  

Permalink

A longitudinal study of malaria associated with deforestation in Sonitpur district of Assam, India / M. Nath in Geocarto international, vol 27 n° 1 (February 2012)  

Permalink

Spatial patterns and eco-epidemiological systems – part 1: multi-scale spatial modelling of the occurrence of Chagas disease insect vectors / Emmanuel Roux in Geospatial Health, vol 6 n° 1 (November 2011)  

Permalink

Spatial patterns and eco-epidemiological systems – part 2: multi-scale spatial modelling of the occurrence of Chagas disease insect vectors / Emmanuel Roux in Geospatial Health, vol 6 n° 1 (November 2011)  

Permalink